FlexA-Mem：面向 LLM Agent 的预算自适应智能体记忆机制
英文标题：FlexA-Mem: Budget-Adaptive Agentic Memory for LLM Agents
本文提出了面向大语言模型（LLM）Agent 的新型记忆框架 FlexA-Mem。不同应用场景对 Agent 的记忆需求差异巨大，例如多轮对话检索依赖精确事实，而多步骤长任务则需追踪历史执行步骤及关键细节。该框架针对动态计算与上下文预算优化记忆管理策略，为开发者构建高效、低成本且具备长程任务执行能力的智能体系统提供了新思路。
打开原文相关 5.6 · 机会 1
2.0 KB
612 B
380 B
24.2 KB
34.7 KB
中文
论文摘要
arXiv 编号：arXiv:2610.33274v1
发布类型：新提交论文（new）
大语言模型（LLM）Agent 在不同应用场景下具有截然不同的记忆需求。例如，针对历史对话的提问需要精确检索其中提及的具体事实，而多步执行任务则需要追踪已完成步骤的操作轨迹以及后续执行所需的细节信息。
BibTeX 引用格式
×
English / 原文
BibTeX formatted citation
×